Kimi K3.1 Pro 凌晨炸场：全球最大开源模型，价格只有 GPT-6 Astra 五分之一
10 月 24 日凌晨，月之暗面把一枚"炸弹"丢进了大模型圈。 新一代开源模型 Kimi K3.1 Pro 正式发布：约 2.8 万亿参数（媒体亦有"3 万亿级"表述）、100 万词元上下文窗口，重新坐上"全球参数规模最大的开源模型"这把交椅。 三个数字先摆在这：参数规模全球开源第一，综合智能接近顶...
10 月 24 日凌晨，月之暗面把一枚"炸弹"丢进了大模型圈。
新一代开源模型 Kimi K3.1 Pro 正式发布：约 2.8 万亿参数（媒体亦有"3 万亿级"表述）、100 万词元上下文窗口，重新坐上"全球参数规模最大的开源模型"这把交椅。
三个数字先摆在这：参数规模全球开源第一，综合智能接近顶级闭源模型，价格只有 GPT-6 Astra 的五分之一。
这不是一次常规的版本更新。它同时踩中了三个最容易引爆讨论的点：参数、定价、开源。今天这篇文章，我们把这三件事拆开讲清楚——K3.1 Pro 到底是什么、为什么敢卖这么便宜、以及"全球最大开源模型"这个头衔背后，究竟藏着怎样的算力与商业账。
一、先看发生了什么
凌晨发布后，多家权威媒体同步跟进：
- 参数规模：约 2.8 万亿参数 MoE 架构（澎湃、证券时报表述为"3 万亿级"），支持 100 万词元上下文，为目前全球参数规模最大的开源模型。
- 能力定位：综合智能接近全球领先闭源模型；官方称其在编码与 Agent 任务上匹配最强专有模型，Terminal-Bench 成绩接近 Claude。
- 定价：API 每百万 Token 输入 2 美元、输出 10 美元，比上一代 K3 便宜约三分之一，约为 GPT-6 Astra 的五分之一。
- 开源节奏：完整模型权重最晚 11 月 4 日开源，许可证尚未公布。
- 社区反应：发布当天 API 额度被迅速抢空，36氪的标题很直白——《比 K3 快、性能逼近 Opus，但额度 10 分钟就烧光了》。
时间线并不长，但信息密度极高。我们一个一个拆。
二、2.8 万亿参数的 MoE，到底是什么概念
很多人看到"2.8 万亿参数"会下意识兴奋，但未必清楚这意味着什么。
关键在MoE（混合专家）架构。
传统 Dense（稠密）模型，每次推理所有参数都要参与计算。2.8 万亿参数的 Dense 模型，单次前向的算力开销几乎是天文数字，别说部署，训练都难以为继。
MoE 不一样。它把网络拆成一组"专家"子网络，每次推理只激活其中一小部分专家（比如 Top-2 或类似稀疏路由），其余专家处于休眠状态。参数规模"看起来"很大，但实际参与计算的活跃参数量远小于总参数量。
这就带来一个微妙的好处：总参数可以堆得很大，用来"装知识"；推理算力却不随总参数线性上涨，用来"保经济性"。
所以"全球最大开源模型"这个头衔，与其说是"最大最强"的军备宣言，不如说是在秀两件事：
- 月之暗面有把 2.8 万亿参数的模型训练出来的工程能力；
- 它还有让这个庞然大物在推理时保持性价比的调度能力。
后者，往往比前者更考验团队。
上下文窗口也一样。100 万词元，意味着模型能一次性"读"进一整本书、一整份代码仓库或一整套长文档，再基于完整上下文做推理。这和"把文档切开、分段处理"是两种完全不同的能力——长上下文直接决定了 Agent 能不能"把任务从头看到尾"。
三、为什么敢卖到 GPT-6 Astra 的五分之一
价格是这轮发布里最有商业信号的部分。
先看绝对数字：API 每百万 Token 输入 2 美元、输出 10 美元；对比上一代 K3 的"输入 2/20 元、输出 100 元"人民币口径，K3.1 Pro 把输出价直接砍了约三分之一。
再看相对数字：约为 GPT-6 Astra 的 五分之一。
一个逼近闭源顶尖模型的参数，凭什么卖这么便宜？这里有几层账要算：
第一层：开源模型本来就是来"卷价格"的。 开源意味着任何厂商都能自行部署、自行调优，闭源 API 的定价垄断天然被打穿。为了守住开发者生态，开源方只能把 API 价格压到足够低，让"自己用开源部署"变得不划算。
第二层：成本结构在变。 长上下文、MoE 稀疏激活、缓存命中优化，都在降低单 Token 的实际成本。36氪披露的另一个细节很关键——缓存命中输入价仅 1.3 元/百万 Token（未命中 13 元），命中缓存的价格不到未命中的十分之一。这意味着"复用已算过的上下文"的成本被压到极低，定价结构已经向"缓存友好"倾斜。
第三层：这是典型的"以价换量"。 当参数堆到 2.8 万亿、又急于证明开源生态的统治力时，低价不是妥协，而是抢入口的手段。开发者的每一次 API 调用、每一次开源部署，都是未来生态的投票。
但这里有个必须说清的边界： "便宜"不一定等于"亏本"。在 MoE 稀疏激活和高效缓存的加持下，单 Token 的边际成本可能本就远低于传统模型。低价，可能是"算得过来的便宜"，而不是"烧钱补贴"。
四、"额度 10 分钟就烧光了"：发布即被抢的背面
社区里流传最广的一个细节，是发布当天 API 额度被迅速抢空。
"10 分钟烧光额度"，表面看是热闹，背后其实是三重信号的叠加：
- 需求侧：开发者对"逼近闭源顶尖、但便宜五分之一"的模型几乎没有抵抗力，涌进来抢额度是必然。
- 供给侧：2.8 万亿参数的推理集群，扩容不是按下开关就瞬间完成的事，初期额度有限是正常的。
- 商业侧：对月之暗面来说，"额度被抢光"本身就是最好的免费广告——它证明了市场对性价比的饥渴程度。
但也要冷静看待：额度抢空，不等于模型在每个维度都碾压。 社区反馈里的"比 K3 快、性能逼近 Opus"，是"逼近"而非"超越"。在长尾任务、多模态、中文理解的某些细分维度上，它和真正的闭源顶尖之间仍有差距。发布当天的热度，需要一两个月的真实部署数据来兑现。
五、开源的时间表与那个"未公布"的悬念
K3.1 Pro 最值得盯的一个日期，是 11 月 4 日——完整权重计划在这一天放出。
但许可证至今未公布，这是整件事里最微妙、也最可能影响走向的变量。
开源许可证直接决定：你能不能商用、能不能改、能不能拿去训练衍生模型。 同样是"开源"，宽松许可证（如 Apache 2.0）和严格许可证（如部分限制商用、限制衍生的协议）对开发者和竞争者的意义天差地别。
- 如果走宽松路线：等于把"2.8 万亿参数的引擎"免费交给全球开发者，生态会迅速爆发，但也意味着月之暗面放弃了最大的技术壁垒。
- 如果走限制路线：保留商用或衍生的主动权，可能是为了守住 API 商业盘的护城河。
在许可证公布之前，"开源"两个字只能算"半悬空"——权重确实会放出来，但规则还没定。这是接下来 11 天内最值得盯的悬念。
六、开源军备竞赛：这不是月之暗面一家的事
把镜头拉远一点，K3.1 Pro 只是当下开源大模型军备竞赛的一个节点。
- DeepSeek 用 TileLang、DeepInfer 等把"训练+推理"的整套工程能力逐步开源，走的是"全栈开源"路线；
- 智谱 GLM 系列从 5.1 到 5.2 到 5.3 高频迭代，用版本密度抢关注；
- 月之暗面则用"全球最大参数规模+极致低价"打差异化。
三家的策略各有侧重：有人卷能力，有人卷迭代速度，有人卷参数与价格。
K3.1 Pro 的特别之处在于，它同时押注了"参数规模"和"价格"两个最容易引发传播的锚点。这也反映出当下开源竞争的残酷：光有能力不够，还得有能力让全世界用得起、用得上、讨论得起来。
但对普通开发者和企业来说，这是好事——竞争越激烈，可用的高质量开源模型越便宜，落地门槛越低。
七、接下来该看什么
信息还在更新，很多判断不能下死。但接下来几件事，会直接影响 K3.1 Pro 的成色：
- 11 月 4 日：权重是否如期放出，许可证是宽松还是限制——这是最大的变量。
- 真实部署数据：社区"逼近 Opus"的说法，需要几个月的多场景评测来兑现，而不是靠发布会热度。
- 缓存定价的落地效果：1.3 元缓存命中价能否真正拉低长上下文场景的总体成本。
- 竞争回应：DeepSeek、智谱、甚至 OpenAI 是否会跟进价格或参数。
目前能确认的是：K3.1 Pro 在参数规模、上下文、性价比三个维度都给出了激进答案。
尚不能确认的是：它的开源规则、以及"接近闭源顶尖"在不同真实场景里的含金量。
这两条，决定了它到底是"又一个破纪录的开源模型"，还是"真正改变部署生态的那一个"。